《人工智能助力发现罕见唾液腺癌的潜在治疗靶点》

  • 编译者: 杜慧
  • 发布时间:2025-06-17
  • 腺样囊性癌(ACC)是一种罕见的唾液腺恶性肿瘤,占头颈癌的1%-5%和唾液腺肿瘤的25%-35%,其早期症状隐匿、缺乏有效治疗手段,患者预后较差。近日,芝加哥大学医学中心联合InSilico

    Medicine和Prelude

    Therapeutics开展的研究发现,靶向抑制蛋白精氨酸甲基转移酶5(PRMT5)可能是治疗ACC的新策略,相关成果发表于《实验与临床癌症研究杂志》。研究团队通过人工智能(AI)分析了87例ACC肿瘤样本及35例正常组织的基因表达数据,筛选出PRMT5作为潜在靶点。PRMT5是一种参与表观遗传调控的酶,通过甲基化修饰调控基因表达和蛋白质活性,在癌症发展中起关键作用。进一步实验中,团队测试了Prelude

    Therapeutics开发的高选择性PRMT5抑制剂PRT543,在ACC细胞系、患者源性类器官(3D肿瘤模型)及患者源性异种移植模型(PDX)中均观察到显著的抗肿瘤效果:PRT543通过下调关键致癌基因(如MYB、MYC)的表达,抑制肿瘤生长,且效果不受NOTCH1基因突变状态(与侵袭性ACC相关)影响。为增强疗效,研究团队筛选出多激酶抑制剂仑伐替尼(Lenvatinib)作为联合用药伙伴,体外实验显示二者联用对肿瘤生长的抑制作用更强。此外,部分患者样本显示PRMT5、MYC、MYB及仑伐替尼靶基因的高表达,提示此类患者可能从联合治疗中获益,而PRMT5高表达但仑伐替尼靶点未激活的患者或可单药获益。尽管PRMT5抑制剂未实现“治愈”,但其作为单药或联合用药的潜力为ACC治疗提供了新方向。研究强调了精准医疗的重要性:通过分子分型筛选患者,可优化治疗方案并减少副作用。未来需进一步开展临床试验,验证PRMT5抑制剂在ACC患者中的安全性和有效性,同时探索与其他疗法的联合策略。这一研究不仅为罕见癌症的靶向治疗开辟了路径,还体现了AI在加速药物发现中的关键作用,标志着癌症治疗向个性化、精准化方向的进一步迈进。

相关报告
  • 《发现新的潜在癌症驱动基因,为精准治疗开辟新途径》

    • 编译者:李永洁
    • 发布时间:2024-11-21
    • 该团队分析了英国100000个基因组计划的遗传数据,以确定导致细胞癌变的DNA变化,即广泛的癌症类型(包括结直肠癌,乳腺癌,肺癌和子宫癌)的驱动突变。他们研究了作为项目一部分读取DNA的人的全基因组序列。全基因组测序越来越被视为精确癌症治疗的重要工具,可以对标准癌症测试方法可能无法捕获的突变进行全面分析。通过使用人类肿瘤最大的全基因组测序数据集(确切地说是10478),研究人员能够检测到早期研究中尚未报道的驱动突变。 数据显示,在鉴定出的330个驱动基因中,有74个以前没有与任何癌症类型相关,这为各种癌症的新治疗靶点创造了潜力。总体而言,卵巢癌,膀胱癌和肠癌的新发现驱动基因数量最多。值得注意的是,MAP3K21,USP17L22和TPTE等基因分别成为肠癌,乳腺癌和肺癌发展中潜在的重要基因。 研究人员还评估了哪些新发现的驱动基因可以帮助指导未来的治疗决策。他们发现,在所有研究的样本中,有55%具有至少一种可操作或生物学相关的改变,可以指导使用批准的疗法。肿瘤具有与DNA修复缺陷相关的突变特征(例如同源重组缺陷)的患者可能会受益于一种称为PARP抑制剂的靶向癌症药物,其中一些已经用于某些乳腺癌和卵巢癌。对于主要的癌症类型,样本均来自英国人群。此外,这些患者往往比英国普通患者年轻,并且患有早期肿瘤。
  • 《人工智能助力应对科研大挑战》

    • 来源专题:人工智能
    • 编译者:高楠
    • 发布时间:2023-08-23
    •         近年来,人工智能(AI)领域发生了巨大变化,ChatGPT横空出世,引发生成式AI创业热潮。英国《新科学家》杂志网站在近日的报道中指出,很多科研团队和公司正在利用AI应对人类目前面临的最大的科学挑战:从破译蛋白质的秘密,到研制出新药,再到应对气候变化以及实现可商用的核聚变发电等。   揭示蛋白质结构     根据蛋白质氨基酸序列来确定其折叠结构一直是生物学领域的“老大难”。有些氨基酸和其他氨基酸相互吸引、相互作用,有些氨基酸则具有疏水性,而且氨基酸链形成了复杂的形状,令人难以精准确定,研究人员往往需要数年时间才能解决一个折叠结构。英国“深度思维”公司于2020年底首次宣布研发出一种AI方法来精准预测蛋白质的折叠结构。2021年,他们宣布已绘制出人体中98.5%的蛋白质的结构图。2022年7月,该公司AI程序“阿尔法折叠”已经预测出迄今已知几乎所有蛋白质结构,在短短18个月内破解了生物学领域的重大难题之一。这些数据能帮助人类抗击疟疾、应对抗生素耐药性,以及制造出能够分解塑料的酶,还将推进新药研发进程。     研制未来的药品     在AI出现之前,研制出新药所需的时间越来越长,成本也越来越高。如今,科学家已开始使用AI来自动化部分过程,例如获取庞大而混乱的数据集,并以更容易分析的方式对其进行组织,或者使用AI编写代码来完成这些工作等。今年初,加拿大多伦多大学与Insilico医学公司合作,利用AI药物发现平台,发现了一种新的肝细胞癌靶点,这是以前未被发现的治疗途径,并开发出了一种可与该靶点结合的“新型打击分子”,在30天内研制出肝细胞癌的潜在治疗药物。科学家还使用生成式AI来生成分子结构。互联网数据资讯网数据显示,预计到2024年,AI新药研发的市场规模将达到31.17亿美元。不过截至目前,全球还没有一款由AI研发的药物成功上市。     应对气候变化     气候变化是人类面临的最大的难题之一。鉴于此,法国巴黎理工学院研究人员使用AI确保涡轮机更频繁地指向风中,从而将产能提高了0.3%。如果得到推广,增加的电力足以让170万户英国家庭使用。“深度思维”公司开发了AI来改进矩阵乘法和排序算法,将两者的效率分别提高了20%和70%。这两大算法每天都在世界各地的计算机上执行数万亿次,效率的提高为减少计算产生的温室气体排放作出了重大贡献。元宇宙公司(me ta)利用AI开发出了一种新的混凝土制造工艺,可将碳排放降低40%。由于混凝土碳排放占全球碳排放总量的8%,新工艺也可能对人们应对气候变化有重要意义。     帮助商用核聚变发电     人们一直在努力创建高效、可靠的核聚变发电厂,但这一任务极具挑战性。在托卡马克聚变反应堆内,试图精确而快速地控制多个线圈,并将等离子体压缩成一个有限的形状是非常困难的。尽管AI并没有真正解决这个问题,但它正在提供帮助。去年,“深度思维”公司和瑞士联邦理工学院创建了一个能够控制19个磁线圈的神经网络,AI还能帮助将托卡马克中的等离子体随意改变形状。英国曼彻斯特大学的李·马吉茨说,AI可能是核聚变发电“梦想照进现实”的转折点。 .